随着人工智能、大数据和传感器等技术的飞速发展,国内的一部分人工智能专家和投资人预测自动驾驶将是这一轮智能化浪潮中最合适的技术落地场景。自动驾驶的汽车一旦真正产品化,将在降低交通事故发生率、提高交通运输效率、节省人力成本等方面产生明显的效益。自动驾驶技术进一步可以分为低速载物、高速载物、低速载人和高速载人四个维度,在真正的高速载人自动驾驶汽车商业化到来之前,低速载物的无人车是更加现实的落地场景,国内外一些物流相关企业对此进行了尝试并在不断迭代研发当中。自动驾驶技术是移动机器人技术的子集,移动机器人技术包含环境感知、自主定位和路径规划等多个方面。针对当前移动机器人安全性和稳定性不强、避障灵活性不高的问题,文中以汽车为研究载体,提出了一种新的路径规划系统框架,通过对现有算法的多方面改进,设计了一套可以在复杂环境中使用的路径规划系统,以此提高整个机器人系统的安全性、稳定性和灵活性。目前的路径规划系统是由全局路径规划子系统、局部路径规划子系统及轨迹跟踪控制子系统三部分依次连接组成。整个路径规划系统的设计目标为在保证安全的情况下尽可能地满足一些其他指标如距离短、能耗低等。全局路径的规划一般不能做到实时的路径调整。真正的实时避障依靠局部路径规划子系统完成,所以一旦局部路径规划子系统失效,会出现很大的碰撞风险。本文在经典的路径规划框架基础上增加了碰撞检测器,用于避免紧急情况下的碰撞事故。由此构成了在线的局部路径规划子系统和碰撞检测器的双重防护功能。在充分提高安全性的同时,不影响系统的实时性。现对文中的主要成果总结如下:（1）对于全局路径规划子系统,通过对经典路径规划算法的优缺点分析,结合实际的应用场景,使用A*算法作为全局路径规划算法,并结合圆内摆线的特性,对规划出的路径进行了平滑处理,在不降低规划效率的同时增加了路径的平滑性和安全性,也方便了在局部路径规划子系统对全局路径进行有效的跟踪。（2）对于局部路径规划子系统,考虑到实际应用场景,提出将混合A*全局路径规划算法作为局部路径规划算法,从而保证了调节参数个数较少,而且具有计算资源消耗低和避免陷入局部最优解等优势,避免了速度调整不及时导致错过转弯时机等问题。同时应用了 Reeds-Shepp路径曲线来提高搜索效率,用梯度下降法进行了轨迹平滑。（3）对于轨迹跟踪控制子系统,将经典的Pure-Pursuit方法与Stanley方法进行结合,使得轨迹跟踪器能够适应不同轨迹的变化,抗干扰性和通用性较强。设计了碰撞检测算法,当上层的防碰撞功能都失效时,依然能对机器人邻近的危险障碍物快速作出反应,从而有效避免意外的发生。（4）搭建了基于汽车模型的自主导航移动机器人软件仿真平台及四轮差动地面移动机器人硬件实物平台,对所设计的路径规划系统进行了仿真实验和实物验证,实验结果表明该路径规划系统具有良好的安全性、稳定性和灵活性。